[发明专利]一种基于微血流成像衬比算法的血流速度监测方法

权利要求书

1.一种基于微血流成像衬比算法的血流速度监测方法，其特征在于：包括如下步骤：

(1)采集原始激光散斑图像；

(2)对原始激光散斑图像用线性算子计算传统时间衬比K值并获得最小的空间衬比K值的方向；

(3)再根据方向获得高斯模板的旋转矩阵，获得相应的高斯卷积模板；

(4)与原始激光散斑图像卷积获得各向异性K值，提取微血管区域，利用脑血流的方向特异性获得微血管流速图。

2.根据权利要求1所述的基于微血流成像衬比算法的血流速度监测方法，其特征在于：所述步骤(1)中原始激光散斑图像获取方法为：搭建激光散斑光路系统，将激光束照射在被测物体上，获取原始激光散斑图像。

3.根据权利要求1所述的基于微血流成像衬比算法的血流速度监测方法，其特征在于：所述步骤(2)中K值采用时间卷积方法计算，其中可选图片30帧，计算公式如下：

上式中，σ为原始图片标准差，<I>为原始图片的平均值。

4.根据权利要求1所述的基于微血流成像衬比算法的血流速度监测方法，其特征在于：所述步骤(2)最小的空间衬比K值的方向计算公式如下：

上式中，KP_(i，j)表示沿着目标像素点P(i₀，j₀)沿着线性算子方向计算下的时间卷积k值，P(i，j)指以图像中P(i₀，j₀)为中心点的不同线性方向上的像素点，δ指线性方向上的距P(i₀，j₀)的距离，这里取值小于5，D(i，j)为时间卷积K值的累加，比较不同的D(i，j)，获得K值最优方向。

5.根据权利要求1所述的基于微血流成像衬比算法的血流速度监测方法，其特征在于：所述步骤(3)中高斯模板匹配血管图像，采用高斯核函数计算血流流速，高斯核函数公式如下：

上式中，高斯函数关于原点[0，0]对称，W_i(x_i，y_i)为高斯模板中的高斯核值，σ为血管横截面灰度，考虑散斑图像离散性，在固定范围内取值为1，非固定范围不计算，L为沿着血管分割方向的固定长度，L增大，血管的平滑效果增强，噪声降低，x_i，y_i分别为高斯模板中各点的坐标值。

6.根据权利要求5所述的基于微血流成像衬比算法的血流速度监测方法，其特征在于：所述高斯核值的加权值计算如下式：

上式中，为无加权值的高斯核值，σ为血管横截面灰度，考虑散斑图像特殊性，在固定范围内取值为1，L为沿着血管分割方向的固定长度，x_i，y_i分别为高斯模板中各点的坐标值，m_i(x_i，y_i)为高斯核值的加权值。

7.根据权利要求6所述的基于微血流成像衬比算法的血流速度监测方法，其特征在于：所述高斯核值的加权值通过下式计算得到加权后的高斯核值：

W_i(x_i，y_i)＝W_i(x_i，y_i)·m_i(x_i，y_i)

该计算公式基于激光散斑值是标准差与均值卷积窗的的比值，且平衡了加权值，其中m_i(x_i，y_i)指高斯模板的核值的加权值，将确定好方向的有权高斯核模板与原始图像卷积，获得最终需要的微血管流速图，W_i(x_i，y_i)为高斯模板中的高斯核值，W_i(x_i，y_i)为加权后的高斯核值。

8.根据权利要求1所述的基于微血流成像衬比算法的血流速度监测方法，其特征在于：所述步骤(3)高斯模板的旋转矩阵r_i计算如下式，这里将首个方向定义为y轴，其后沿着顺时针旋转；

上式中，θ_i是高斯核的旋转方向。